All Posts By

mevesaintcierge

Digital-émois Nouveautés métier

Puis-je devenir un pro du growth hacking ? TEST

Test pour évaluer ses capacités à devenir un pro du Growth hacking

Le growth hacking est à la mode mais il ne s’apprend pas.

Avant d’être une série de connaissances et de compétences, le growth hacking est avant tout un état d’esprit.

Un état d’esprit porté par l’ouverture, l’imagination et la remise en cause de toutes les actions prises par les données et les tests.Beaucoup de startups aujourd’hui et d’entreprises plus classiques demain recherchent ces profils au croisement du marketing et de l’engineering pour hacker leur croissance.

Voici un test tout simple pour savoir si ou non vous avez des prédispositions pour cette matière.

The TEST

Vous avez besoin d’un trombone, d’un papier, d’un crayon, et de 10 minutes.

1 – Observez le trombone

2- Notez combien d’usages vous trouver à cet objet ?

3- Décomptez vos idées et découvrez les résultats :

  • Si vous en trouvez moins de 20 : oubliez le growth hacking. Vous n’êtes pas du tout fait pour cette discipline !
  • Entre 20 et 30 usages, vous êtes dans la moyenne. Bonne nouvelle, vous pouvez vous améliorer. Une bonne technique pour développer ces qualités est de travailler son divergent thinking: la pensée divergente est un processus mental qui permet de produire des idées créatives en envisageant de nombreuses solutions.
  • Plus de 50, vous êtes décidément quelqu’un de très créatif.
  • Plus de 100, félicitations : vous êtes un génie !

Voila, voila, vous savez maintenant si vous pouvez ou  nous prétendre à devenir le futur leader du Growth hacking !

 

Scoop.it

DOSSIER Digitaliser le marketing et le service client pour améliorer l’expérience client et favoriser son engagement | Conseil et analyse en solutions logicielles pour l’entreprise et ses métiers

Dans le cadre de la transformation numérique, nous sommes passés de la gestion des processus internes liés à la relation client (CRM) à la gestion de l’expérience client (CxM) et des interactions avec lui. Ceci traduit le fait que l’on se place désormais résolument du côté du client.

Sourced through Scoop.it from: www.google.com

Digital-émois Intelligence Artificielle

Rencontre avec le machine learning

digital-emois.fr

La démocratisation des technologies Big Data donne accès à des puissances de traitement considérables qui permettent de traiter des volumes de données ahurissant. Mais, les data aussi volumineuses soient elles, n’ont de valeur qu’accompagnées d’analyses et c’est là tout l’apport du machine learning, de l’apprentissage automatique.

 

Machine à prédire

Avec le machine learning, la machine arrive à apprendre toute seule grâce aux données sans être explicitement programmées pour cela. Le Machine Learning construit des mécanismes prédictifs à partir d’observations passées. Cette démarche présuppose l’existence d’un mécanisme causal. Ainsi, pour prédire un phénomène, il existe deux solutions :

  • élaborer un modèle explicatif en se basant sur la compréhension du mécanisme causal. Cette démarche est menée par les scientifiques.
  • mettre en évidence des corrélations significatives dans un jeu d’observations, c’est-à-dire trouver un modèle prédictif. Le Machine learning, tout comme les statistiques utilisent cette démarche.

Machine basée sur l’apprentissage

Pour faire fonctionner le machine learning, il existe différents types d’apprentissage dont les 2 principaux sont :

  • L’apprentissage supervisé

On donne aux machines un modèle (« teacher ») duquel elles apprennent.

Pour qu’un programme apprenne à reconnaître une voiture, par exemple, on le nourrit de dizaines de milliers d’images de voitures, étiquetées comme telles. Cette technique est relativement ancienne, mais elle a fait un bond avec les récentes avancées technologiques.

La masse de données désormais disponibles ainsi que la puissance de calcul à disposition des ingénieurs multiplient l’efficacité des algorithmes. Ce type d’apprentissage est courant et fait déjà parti de notre quotidien avec par exemple les outils de traduction automatique.

  • L’apprentissage non-supervisé

Si l’apprentissage supervisé revient à construire un modèle de corrélation entre 2 ou plusieurs variables a priori connues – l’apprentissage non supervisé va prendre en compte l’ensemble des variables d’un problème et va en extraire les corrélations les plus fortes. Ce qui est bien plus puissant car cela va au-delà des préjugés humains et met en relief des corrélations cachées qu’aucun d’entre nous n’aurait pu imaginer.

Pour le marketing, le machine learning va plus loin que la simple utilisation de données pour mieux cibler. Il apprend des réponses, des comportements des clients ou prospects.  Avez-vous reconnu votre précieux assistant, bras droit de demain ?